公开(公告)号：CN118247766A

公开(公告)日：2024-06-25

申请号：CN202410331931.3

申请日：2024-03-21

Applicant: 哈尔滨理工大学

Inventor： 邹英男 ,  尹芳

IPC: G06V20/58 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/25 ,  G06V10/774

Abstract: 在智能交通系统中，交通目标检测作为关键技术对于确保交通系统正常运行至关重要。然而，目前的目标检测算法在处理交通标志检测时仍存在一系列挑战，包括图像尺寸小、目标特征不够明显以及检测精度较低等问题。为了应对这些挑战，本方案提出一种改进的YOLOv8算法。通过构建小目标检测层、引入TripletAttention注意力机制和可变形卷积与WIoU_v3损失函数，使算法能够融合更深层特征，具有更大的感受野，并且降低了训练样本标注质量不均衡的影响，提高了预测框的位置精度，增强了对小目标的检测能力。实验结果表明，改进后的算法能够满足实际检测需求。

公开(公告)号：CN117218335A

公开(公告)日：2023-12-12

申请号：CN202311190855.0

申请日：2023-09-15

Applicant: 哈尔滨理工大学

Inventor： 邹英男 ,  马浩维

IPC: G06V10/25 ,  G06V10/40 ,  G06V10/762 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 交通目标检测是智能交通系统中的关键技术之一，其准确性对于交通系统的正常运行至关重要。然而，当前的目标检测算法在交通标志检测方面仍然存在一些问题，如图片尺寸小、特征不明显和检测精度低等。为了解决这些问题，本发明提出了一种基于改进YOLOV5的目标检测算法。将原有的大尺寸描框通过聚类改成更适合交通目标的小尺寸描框，提高检验精度；设计了一种C3、DSP(Depthwise Separable Convolution)，ECA注意力机制结合的DSEC3模块提高模型的效率和推理速度；用CARAFE代替原始上采样保留更多特征细节，提高感受野；最后用SIoU代替原始YOLOV5的CIoU使得模型更容易学习到边界框之间的微小差异，进而提高目标检测的准确性和鲁棒性。实验结果表明，改进后的算法能够满足实际检测需求。